Han Dieperink
Dieperink.png

Voor generaties beleggers was het evangelie simpel: beleg in een gebalanceerde portefeuille met 60 procent aandelen en 40 procent obligaties. Deze heilige formule werd doorgegeven van vermogensbeheerder naar vermogensbeheerder, van vader op zoon, als een onwrikbare wet van de financiële natuurkunde. Maar wat gebeurt er wanneer kunstmatige intelligentie deze eeuwenoude wijsheid onder de loep neemt? Het antwoord zal veel beleggers verrassen.

De traditionele gebalanceerde portefeuille was in essentie een fossiel uit een tijd waarin computers rekenmachines waren en marktdata handmatig werden verzameld. Je bepaalde eenmalig je asset allocatie, paste deze hooguit jaarlijks aan, en hoopte op het beste. AI-systemen kijken hier fundamenteel anders naar. Voor een algoritme is een ‘neutrale’ portefeuille geen vast recept, maar een dynamisch evenwichtspunt dat constant verschuift.

Terwijl u dit leest, analyseert AI ergens ter wereld duizenden datapunten per seconde: van fundamentele economische indicatoren tot satellietbeelden van Chinese havens, van sociale media sentiment tot complexe correlaties tussen valuta’s en grondstoffen. Deze systemen kunnen real-time marktregimes detecteren en binnen milliseconden reageren zonder de emotionele bagage die menselijke beleggers parten speelt.

Spreiding van risico

Waar de klassieke gebalanceerde portefeuille voornamelijk keek naar de grote categorieën aandelen en obligaties, introduceert AI een veel genuanceerder evenwicht. In plaats van simpelweg ‘Europa’ als geheel te benaderen, kan een AI-systeem concluderen dat Italiaanse aandelen 16 procent van de portefeuille verdienen vanwege cyclische onderwaardering, terwijl Duitse aandelen slechts 2 procent krijgen ondanks hun traditioneel ‘veilige’ status.

Dit is geen willekeur. Het is het resultaat van complexe berekeningen die momentum, waardering, liquiditeit en macro-economische cycli meewegen op een manier die voor menselijke analisten praktisch onmogelijk is. Een AI-systeem kan bijvoorbeeld detecteren dat de correlatie tussen Aziatische en Europese markten tijdelijk is afgenomen door specifieke handelspatronen, en daar onmiddellijk op inspelen.

Zonder emotie in goud

Misschien wel de meest fascinerende verandering betreft hoe AI omgaat met wat we vroeger ‘alternatieve beleggingen’ noemden. Goud wordt niet langer behandeld als een emotionele ‘angst-hedge’ die je koopt als de wereld vergaat. Voor AI is goud een rationele belegging die reageert op specifieke, meetbare drivers: reële rentes, dollarontwikkelingen en momentum-cycli.

In tijden van dalende reële rentes kan goud razendsnel 5-10 procent van de portefeuille innemen – een veel hoger percentage dan traditionele modellen ooit zouden durven voorstellen. Omgekeerd kan hetzelfde systeem grondstoffen volledig mijden wanneer prijsvolatiliteit te hoog wordt ten opzichte van verwacht rendement. Het erkent dat niet alle asset classes altijd een plaats verdienen in een portefeuille.

De obligatierevolutie

De meest dramatische omwenteling betreft obligaties. Traditioneel vormden staatsobligaties de stabiele basis van elke portefeuille – de vertrouwde ballast die voor stabiliteit zorgde. AI-systemen zijn veel selectiever geworden. Ze kunnen specifiek kiezen voor alleen Japanse staatsobligaties terwijl ze Amerikaanse en Europese obligaties volledig mijden, gebaseerd op rentecurves, inflatieverwachtingen en valutadynamiek.

Deze selectiviteit zorgt ervoor dat obligaties kunnen fluctueren van 0 procent tot 50 procent van de portefeuille, afhankelijk van relatieve aantrekkelijkheid. Dat sluit veel beter aan bij de realiteit van negatieve reële rendementen op veel obligaties dan het dogmatische vasthouden aan vaste percentages.

De momentum-Paradox

Traditionele modellen gingen uit van mean reversion – markten keren uiteindelijk terug naar hun gemiddelde, dus koop wat laag staat. AI-systemen zijn genuanceerder. Ze herkennen dat sommige trends kunnen persisteren terwijl andere inderdaad omkeren. Dit leidt tot portefeuilles die paradoxaal genoeg zowel contrarian als momentum-gedreven kunnen zijn, afhankelijk van de specifieke asset class en tijdshorizon.

Het revolutionaire is dat de definitie van ‘neutraal’ zelf voortdurend evolueert. Wat in januari als een neutrale allocatie werd gezien, kan in juni fundamenteel anders zijn omdat nieuwe economische data de relatieve attractiviteit heeft veranderd.

Toch hebben ook AI-gedreven portefeuilles beperkingen. Ze kunnen geen rekening houden met ‘black swan’ gebeurtenissen of fundamentele structurele veranderingen die buiten hun dataset vallen. De definitie van risicotolerantie en beleggingsdoelstellingen vereist nog steeds menselijke input. AI kan optimaliseren binnen gegeven parameters, maar de uiteindelijke waarden moeten door mensen worden bepaald.

De toekomst is nu

We staan aan de vooravond van een fundamentele verschuiving in hoe we denken over beleggen. In plaats van statische allocaties gebaseerd op vuistregels krijgen we dynamische, data-gedreven evenwichtspunten die zich real-time aanpassen. Dit is meer dan een technologische verbetering – het is een conceptuele revolutie.

De vraag is niet langer ‘Wat is de juiste asset allocatie?’ maar ‘Wat is de optimale allocatie gegeven de huidige omstandigheden, en hoe moet deze zich aanpassen als die omstandigheden veranderen?’ Voor de belegger van morgen betekent dit portefeuilles die veel responsiever zijn dan traditionele benaderingen. Maar het vereist ook een nieuw soort vertrouwen – niet in statische regels en traditionele wijsheid, maar in de kracht van data, algoritmes en voortdurende aanpassing.

De gebalanceerde portefeuille is dood. Lang leve de intelligente, adaptieve, AI-gedreven gebalanceerde portefeuille van de toekomst.

Han Dieperink is chief investment officer bij Auréus Vermogensbeheer. Hij was eerder in zijn loopbaan chief investment officer van Rabobank en Schretlen & Co.

Author(s)
Categories
Access
Members
Article type
Column
FD Article
No